基于深度学习的勒索软件检测方法

发布时间：2020-07-05 03:20

【摘要】：信息技术的快速发展使得数据正成为组织、企业和个人的重要资产。近年来,勒索软件通过锁定用户的系统或加密重要数据来进行勒索,对网络安全造成了严重的危害。现有的通用恶意软件检测系统无法针对性检测勒索软件,对勒索软件的防御依赖于特别的缓解措施。另一方面,机器学习的理论研究逐渐成熟,开始广泛地应用于恶意软件检测领域。在详细研究了勒索软件的攻击过程及其技术原理后,本文基于深度学习技术提出了两种勒索软件检测方法,对于高威胁性和破坏性的加密型勒索软件均取得了良好的检测效果。本文主要研究内容如下:基于前馈神经网络的检测方法以勒索软件运行过程中API调用次数、文件系统操作、注册表操作和导入字符串等作为特征集,以全连接的链式深度神经网络为模型训练分类器。实验表明,该检测方法准确率达到95%,而AUC值达到0.98,具有良好的分类性能和扩展性。基于长短期记忆模型的检测方法以API函数调用序列为特征,对原始数据集进行压缩处理,极大地降低了数据规模,提高了模型学习速率。同时采用Dropout正则化将泛化误差从5%降低到2%,显著地提高了模型性能。实验结果表明,该检测方法的模型学习开销和误报率很低,能准确地检测识别勒索软件及其变种。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP311.53;TP309;TP18
【图文】：

总数,软件,攻击者,脚本

图 1-4 勒索软件总数和新增样本数Fig1-4 The New and Total Ransomware Numbers当犯罪分子没有技术技能、基础设施或者时间时，他们可以在数小时内参与或发动勒索攻击，这就是勒索即服务的目的。基础设施由勒索服务商提供，攻击者通过购买访问权并支付一定比例的勒索赎金来使用勒索服务。勒索即服务的提供商通过 PHP 脚本把攻击者和受害者联系起来。这些脚本以自身作为数据库来存储客户端密钥、操作系统类型、IP 地址、勒索赎金并核实赎金支付情况到主服务器。这些脚本受加密保护，可以避免被搜索引擎检测。近年来物联网（Internet ofThings）兴起，人们身边的网络规模正在呈几何级数增长，然而物联网安全问题也成了它面临的最大挑战。研究机构 ICIT（CriticalInfrastructure Technology）的报告指出，物联网设备为勒索软件攻击者提供了潜在的持续增长的温床。2015 年 11 月，一个 ICIT 小组在心脏起搏器上进行一个轻量级的加密操作，但是却减少了近十年左右的电池寿命，因为这些设备并不是为计算操作而设计的。

区块,支付方式

务器等）具有最大的潜在危害性。索软件相关技术名支付与比特币技术索攻击者的最终目标是获得受害者支付的赎金，因此支付方式是勒方面之一。犯罪分子往往通过两种途径寻找更可靠的支付方式：（更加复杂困难；（2）获得的赎金更方便兑换成相应货币。毫无疑问特币（Bitcoin）技术的发展诱发了勒索软件的大规模爆发。特币交易是一种加密的签名消息，它包含了从一个公钥到另一个公，只有相应的私钥才能授权资金转移。区块链技术为比特币提供公共序的、含有时间戳的交易记录，该系统用于防止重复消费和修改之。比特币网络中的每一个完整节点都独立地存储一个包含由该节链。当区块链中的几个结点都有相同的块时，它们是一致的。

【相似文献】